Ocena złych imputacji
Aby ocenić imputacje, warto wiedzieć, jak wygląda zła imputacja. Przyjrzyjmy się typowo słabej metodzie: imputacji za pomocą wartości średniej.
W tym ćwiczeniu zbadamy, jak działa imputacja średnią, korzystając z wykresu pudełkowego i zbioru danych oceanbuoys.
To ćwiczenie jest częścią kursu
Praca z brakującymi danymi w R
Instrukcje do ćwiczenia
Dla zbioru danych oceanbuoys:
- Dokonaj imputacji wartością średnią za pomocą
impute_mean_all()i śledź te imputacje przy użyciuadd_label_shadow(). - Zbadaj wartości po imputacji dla wilgotności (
humidity) na wykresie pudełkowym. - Zbadaj wartości po imputacji dla temperatury powietrza (
air_temp_c) na wykresie pudełkowym.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Impute the mean value and track the imputations
ocean_imp_mean <- bind_shadow(___) %>%
___() %>%
___()
# Explore the mean values in humidity in the imputed dataset
ggplot(___,
aes(x = ___, y = ___)) +
geom_boxplot()
# Explore the values in air temperature in the imputed dataset
ggplot(___,
aes(x = ___, y = ___)) +
geom_boxplot()